آت‌لاسین روز چهارشنبه مجموعه‌ای از قابلیت‌های جدید مبتنی بر هوش مصنوعی را برای جیرا (Jira) رونمایی کرد تا این ابزار مدیریت پروژه را عمیق‌تر در چرخه عمر توسعه نرم‌افزار مدرن گنجاند. هدف宣言‌شده شرکت این است که توسعه‌دهندگان — نه تنها مدیران محصول — زمان بیشتری از روز کاری خود را در محیط جیرا بگذرانند.

از «رِوو دِو» تا «عامل کدنویسی جیرا»: اتوماسیون در ابر

برجسته‌ترین قابلیت جدید، عامل کدنویسی جیرا (Jira Coding Agent) است که تا پیش از این با نام «Rovo Dev» شناخته می‌شد. این عامل در زیرساخت ابری آت‌لاسین اجرا می‌شود و نیازی به راه‌اندازی محیط محلی (Local Environment) ندارد. هر مورد کاری (Work Item) در جیرا اکنون گزینه‌ای برای انتساب به این عامل یا سایر مساعدان کدنویسی هوش مصنوعی — شامل Claude Code، Cursor، و GitHub Copilot (با پشتیبانی از OpenAI Codex در آینده) — را دارد.

مینگ وو (Ming Wu)، رئیس مهندسی DevAI در آت‌لاسین، در مصاحبه با The New Stack توضیح می‌دهد:

«عامل و انسان در کنار هم قرار می‌گیرند، بنابراین شما می‌توانید انتخاب کنید کدامیک برای انجام کار مناسب‌تر است.»

با کلیک بر روی یک جلسه در حال اجرا، یک ویرایشگر شبیه VS Code با نمای تفاوت کد (Code Diff) و ترمینال باز می‌شود — به عبارت وو، «اساساً محیط IDE شما در ابر».

برنامه‌ریز جیرا و یکپارچگی با Slack و Confluence

علاوه بر عامل کدنویسی، سه قابلیت کلیدی دیگر معرفی شده‌اند:

  • برنامه‌ریز جیرا (Jira Planner): از تاریخچه جیرا، Confluence و زمینه تیمی برای تولید مشخصات فنی (Technical Spec) در Confluence بهره می‌برد.
  • جیرا برای Slack: امکان ثبت مورد کاری را با منشن کردن @Jira در یک رشته گفتگو فراهم می‌کند.
  • قوانین خودکار پیشرفته: می‌توانند رفع باگ، بازسازی امنیتی (Vulnerability Remediation) و تولید تست را در پس‌زمینه به عامل‌ها واگذار کنند.
نمای عامل کدنویسی جیرا در محیط ابری با ویرایشگر شبیه VS Code

چالش تاریخی: توسعه‌دهندگان «دوست ندارند با جیرا تعامل داشته باشند»

وو به صراحت می‌پذیرد: «معروف است توسعه‌دهندگان دوست ندارند با جیرا تعامل داشته باشند.» این یک دست‌کم‌گویی ممکن است باشد اگر به نظرات در Hacker News مراجعه کنید. جیرا از نظر تاریخی به سمت مدیران مهندسی و رهبران فنی (Tech Leads) متمایل بوده، مخصوصاً در فاز برنامه‌ریزی. وو توضیح می‌دهد:

«به طور طبیعی مردم دوست ندارند جزئیات زیادی بنویسند. کارشان به صورت محلی اتفاق می‌افتد و می‌خواهند به IDE خود بازگردند.»

استراتژی جدید آت‌لاسین این است که جیرا را به «محیط طبیعی» برای انجام کار تبدیل کند تا تغییر زمینه (Context Switching) میان جیرا و IDE از بین برود.

گلوگاه انسانی در عصر تولید کد سریع

وو به چالش اصلی صنعت اشاره می‌کند: تولید سریع‌تر کد با هوش مصنوعی ممکن است گلوگاه را به سمت مرحله بازبینی کد (Code Review) منتقل کند. او تأکید می‌کند:

«در نهایت، گلوگاه انسان است. درد از تغییر زمینه ناشی می‌شود... هیچ چیز برای تسهیل این فرآیند وجود ندارد.»

راهکارهای پیشنهادی شامل:

  • تورهای راهنمای هوشمند: که بازبین‌ها را به بخش‌های حیاتی کد هدایت می‌کنند.
  • بازبینی خودکار مبتنی بر AI: که موارد جزئی را فیلتر کرده و توجه تیم را روی مسائل کلی متمرکز می‌سازد.

وو پیش‌بینی می‌کند که در آینده نه چندان دور، بسیاری از وظایف به طور کامل خودکار شوند و رابط‌های کاربری کد نویسی سنتی جای خود را به محیط‌های مبتنی بر چت (Chat-based) دهند — هرچند او شخصاً این روند را «انگار راحت نیست» می‌داند.

نکته کلیدی برای تیم‌های مهندسی

این به‌روزرسانی‌ها نشان‌دهنده تغییر استراتژیک آت‌لاسین است: جیرا دیگر فقط ابزار ردیابی تسک نیست، بلکه در حال تبدیل شدن به یک پلتفرم توسعه یکپارچه مبتنی بر عامل‌های هوش مصنوعی است. تیم‌هایی که مایلند از اتوماسیون ابری، تولید کد توسط عامل‌ها، و کاهش تغییر زمینه بهره ببرند، می‌توانند با فعال‌سازی این قابلیت‌ها (در همۀ طرح‌های پولی) چرخه توسعه خود را تسریع کنند.